Performance Python3标准类型/数据结构（列表、dict、元组等）的计算/内存复杂性

Python3默认数据结构（列表、dict、元组等）的计算复杂度是多少

（内存复杂性问题也很有趣。）

---

我的发现：-恐怕这是关于python 2的，不是吗？

计算复杂性与解决方法有关。独立地说，如果Python3速度更快或更快，那么复杂性将是相同的——除非不使用原则上不同的算法来解决问题

有时，同名的抽象数据结构可能会有所不同（比如说Python 2字符串与Python 3字符串，或者说Python 2中的long与Python 3中的generalized int）

---

我没有检查它，但我猜Python2和Python3在这个意义上没有区别。

对于Python2和Python3，wiki条目都适用于CPython。这些课程没有改变。其他实现可能会有所不同，但如果他们希望人们将代码从CPython移植到xpython，则它们必须相似。例如，一个使用链表作为列表类型的Python需要相当不同的编程系统和代码重新排列才能正常工作；-）

在3.3中，修改了dict类，以便共享一个类的多个实例的dict所共有的一些信息，而不是复制。这主要影响到某些类有100或1000个实例的用户，并将节省大约1/3的dict空间（我认为），这是一个不变的因素，不会改变类的空间复杂度

---

更重要的是，（unicode）str类已经完全重写，只使用所需的字节/字符数。结果通常是更少的空间和时间，但同样主要的影响应该是被O（xxx）符号忽略的乘数。

这就是我要问的：“使用的算法有什么不同吗？原则上”；）。因为我问的是计算复杂性，所以我认为很明显我指的是“使用过的算法”。通过在Python3中设计更多的方法来返回生成器和迭代器，而不是列表或字典->这降低了内存复杂性。我对其他的改进例子很好奇，但是你甚至可以在Python2中使用迭代器。唯一的区别是你必须明确。然后问题是你是否想比较不同的算法。迭代器可以减少一些算法的内存消耗，但时间复杂度必须基本相同。我想知道任何复杂度的差异-也许你是对的，我提出的问题很糟糕。我不认为这是一个糟糕的问题。这种重要的代码通常是以最好的方式完成的。像往常一样大量引入迭代器是从过去学习的一个标志，这符合我们真正想思考问题的方式。在算法中，可以通过这种方式更改消耗的时间，在这种算法中，您可以提前完成以消耗序列。无论如何，最坏的情况意味着同样的时间复杂性。算法的时间复杂度是一个很好的质量暗示，但它不应该是主要目标。